遗传算法-反向传播神经网络优化气相色谱质谱联用法测定香蕉挥发性组分

作者：陈铭中; 钟旭美^*; 陈勇

来源：食品安全质量检测学报, 2021, 12(21): 8458-8465.

DOI：10.19812/j.cnki.jfsq11-5956/ts.2021.21.022

• 香蕉
• 挥发性组分
• 固相微萃取
• 气相色谱质谱联用法
• 反向传播神经网络
• 遗传算法
• 自动质谱退卷积定性系统

目的应用反向传播(back propagation, BP)神经网络结合遗传算法(genetic algorithm, GA)优化固相微萃取(solid phase microextraction,SPME)条件,建立更优的测定香蕉果肉挥发性组分的气相色谱质谱联用法(gas chromatography-mass spectrometry,GC-MS)和组分定性方法。方法通过正交实验优化SPME提取参数:超声时间、样品量和萃取温度,在正交实验基础上,运用BP神经网络结合GA寻找SPME最佳的萃取参数,应用GC-MS对香蕉果肉挥发性组分进行定性和定量分析。结果根据GA-BP神经网络寻优得到萃取参数:超声时间25.0 min、样品量2.9 g、萃取温度49.0℃。在此最佳萃取参数条件下测定香蕉果肉的挥发性化合物,共鉴定出香蕉果肉63个挥发性组分,主要以酯类为主(占相对总含量的75.75%),相对含量最大的组分是乙酸异戊酯(1281.26μg/kg)。结论本研究通过GA-BP神经网络优化SPME条件,再通过解卷积软件处理原始质谱图,提高了香蕉挥发性组分鉴定的可靠性和鉴定组分数量,为测定果蔬等农产品的挥发性组分与评价其品质提供参考。

• 单位
  阳江职业技术学院